Какие данные, описания и SQL-примеры подготовить для AI-аналитика компании в Claude и как проверять точность его ответов.
Собрано в Sveska из открытых обсуждений сообщества. Авторы сообщений не указываются.
Обновлено
Для AI-аналитика в Claude нужно собрать данные компании в одной базе, описать их в README и добавить проверенные SQL-запросы. Особенно важно заранее унифицировать события платежей из веба, мобильных приложений, магазинов и платёжных систем.
Для настройки AI-аналитика объедините:
При объединении платёжной аналитики приведите к единому формату события из веба и мобильных приложений, разных магазинов и платёжных систем. В маркетинговых данных наибольшую сложность могут представлять атрибуция и покупки в разных сторах и платёжках.
Подготовьте README с описанием данных и их особенностей. Он объясняет AI-аналитику, как работать с разными наборами данных.
Также добавьте метаданные с описанием:
Для повышения точности можно подготовить отдельную агрегированную таблицу с нужными метриками.
Добавьте в проект Claude проверенные примеры SQL-запросов для сложных вопросов. Такие примеры показывают нужную логику и помогают снизить вероятность ошибок при первой генерации запроса.
Для каждой метрики создайте тестовые, или эталонные, SQL-запросы. Затем сравнивайте их результаты с ответами AI-аналитика.
Важно: AI может построить некорректный сложный SQL-запрос или отчёт. Решения, принятые на основе ошибочных данных, тоже могут оказаться неверными, поэтому сгенерированные запросы нужно тщательно проверять вручную.
Статья собрана по сообщениям за февраль и май 2026 года.